| نوع مدرک: | متون چاپی |
| سرشناسه | عباسیان ، نگار، نویسنده |
| شماره بازیابی : | COM soft 23 1398 |
| عنوان : | بهبود تشخیص بیماری های قلبی با استفاده از تکنیکهای داده‌کاوی |
| عنوان موازی : | Improve the Diagnosis of Heart Diseases Using Data Mining Technique |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1398 |
| صفحه شمار: | ه،91ص |
| یادداشت | پایان نامه کارشناسی ارشد: مهندسی نرم افزار |
| شناسه افزوده : | خیام باشی ، محمد رضا، استاد راهنما |
| توصیفگرها | بيمار‌های قلبی داده‌کاوی ويژگي‌های مؤثر طبقه‌‌‌‌‌‌‌‌بندی الگوریتم بیز ساده الگوریتم ماشین بردار پشتیبان Heart Disease Data Mining Data Mining Techniques Effective Features Classification Simple Bayesian Algorithm Support Vector Machine Algorithm |
| چکیده : | امروزه افراد زیادی به علت بیماری قلب و عروق جان خود را از دست می¬دهند. این بیماری با توجه به شیوع و سهمی که در مرگ و میر انسان‌ها دارد از اهمیت بالایی برخوردار است. با توجه به اینکه بیماری‌های قلبی و عروقی جزء شایع¬ترین علت‌های مرگ و میر در جهان و نیز کشور ما می‌باشند و صدمات مالی و جانی بسیاری را به جامعه وارد می¬سازند، به کارگیری روش¬های پیشگیری کننده از بروز این بیماری¬ها بسیار حائز اهمیت است. پزشکان به دنبال تحقیق در مورد عوامل افزایش بیماری‌های قلبی، علت بروز آنها و تشخیص آنها با استفاده از روش¬هایی با عوارض کمتر و صحت بالاتر هستند. همچنین پردازش داده¬ها با روش‌های سنتی که توسط آزمایش‌ها و معاینه‌های بیماران قلبی جمع‌آوری شده است، هزینه زیادی در برخواهد داشت. بنابراین پیچیدگی اطلاعات پزشکی و وجود ابزارهای داده‌کاوی باعث می¬شود که داده‌کاوی بر روی داده¬های پزشکی و سلامت مهم تلقی گردد. تا کنون استفاده از تکنیکهای داده‌کاوی در زمینه‌‌‌ی پزشکی رشد روز افزونی داشته است. مطالعات موجود از ویژگی‌های جمع‌آوری شده از بیماران و الگوریتم‌های مختلف داده‌کاوی برای افزایش صحت استفاده کرده‌اند. در این پژوهش، هدف بر این است که با استفاده از الگوریتم‌های طبقه‌‌‌‌‌‌‌‌بندی در داده‌کاوی، بهبود عملکرد این الگوریتم‌ها در تشخیص بیماری‌های قلبی با صحت بالاتر نشان داده شود. نوآوری دیگر این پژوهش در انتخاب ویژگی‌های مؤثر و حذف ویژگی‌های ناکارآمد جهت ورودی به مرحله داده‌کاوی است. به این دلیل که بسیاری از ویژگی‌های مجموعه‌داده به علت وزن ناچیز، کم اهمیت تلقی می‌شوند و در صحت تشخیص بیماری قلبی تأثیر چندانی ندارند. سیزده ویژگی تأثیرگذار بر بیماری‌های قلبی که دارای وزن بیشتری هستند به عنوان زیرمجموعه‌ای از کل ویژگی‌ها در نظر گرفته شده است. مجموعه‌داده‌ی به کار رفته در روش پیشنهادی از بیمارستان رجائی تهران گرفته شده است. این ویژگی‌های مؤثر ورودی الگوریتم‌های بیز ساده و ماشین بردار پشتیبان است و معیارهای ارزیابی مختلفی برای این دو الگوریتم محاسبه شده است. نتایج نشان می‌دهد که الگوریتم ماشین بردار پشتیبان با در نظر گرفتن مقدار آستانه و درصد صحت %38/88 و حساسیت %57/87 و درصد ویژگی %78/89 عملکرد بهتری نسبت به الگوریتم بیز ساده و سایر پارامترهای الگوریتم ماشین بردار پشتیبان در تشخیص بیماری قلبی دارد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=12536 |
| زبان مدرک : | فارسی |
مرتب سازی پالایش جستجو
